Resumen

La información sobre el estado del tráfico en las autopistas procedente de múltiples fuentes proporciona un apoyo suficiente a la vigilancia del tráfico, pero también plantea retos. En este artículo se investiga la fusión de una nueva combinación de datos procedentes de un sistema de sondeo de traspaso celular y de sensores de microondas. Y se propuso un método de fusión basado en la técnica de redes neuronales. Para identificar los factores que influyen en la precisión de los resultados de la fusión, se analizó la sensibilidad de dichos factores cambiando las entradas del modelo de fusión basado en redes neuronales. Los resultados mostraron que la longitud del enlace de traspaso y el tamaño de la muestra se identificaron como los parámetros más influyentes en la precisión de la fusión. A continuación, se evaluaron la eficacia y la capacidad del método de fusión propuesto en distintas condiciones de tráfico. Y se realizó un análisis comparativo entre el método propuesto y otros enfoques de fusión. Los resultados de la prueba de simulación y la evaluación mostraron que el método de fusión podía complementar los inconvenientes de cada método de recopilación, mejorar la precisión general de la estimación, adaptarse a las condiciones variables del tráfico (flujo libre o estado de incidente), adaptarse a la fusión de datos de sondas de teléfonos móviles y sensores fijos, y superar a otros métodos de fusión.

• Materias:Biotecnología Nanotecnología Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Nanotechnology Sensor networks Sensor system Sensor technology
• Palabras claves:método de fusión, fusión, información sobre el estado del tráfico en autopistas, sistema de sondeo de traspaso celular, longitud del enlace de traspaso, técnica de red neuronal, nueva combinación de datos, otros enfoques de fusión, otros métodos de fusión, precisión global de la estimación
• Keywords:fusion method, fusion, freeway traffic state information, cellular handoff probe system, handoff link length, neural network technique, new data combination, other fusion approaches, other fusion methods, overall estimation accuracy